不要傻乎乎的去找不同了，一起来用代码完成“找不同”游戏吧

---

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第29天，点击查看活动详情

项目需求

  相信大家不少的人曾经都玩过找不同游戏的，今天想趁热打铁，做一个找不同游戏的“辅助”来进行自动找不同。先来介绍找不同游戏的操作逻辑：

1. 登录游戏网页端，全屏显示便于清晰查看不同点；
2. 画面中显示两张相似的图像，这两张图像只存在部分地方存在差异；
3. 点击存在差异的地方即认可为完成了“找不同”任务

  介绍完游戏的操作逻辑，我们根据操作逻辑进行“自动找不同”程序设计实现上述逻辑：

1. 截取当前游戏画面（固定）；
2. 分别锚定两张相似图像并切割下来（由于游戏画面固定，出现图像的位置也会固定）；
3. 对两张相似的图像进行处理得到不同位置的位置，并输出中心点坐标。

需求分析

  实现“找不同”一件很难的事情，程序设计的前两个需求并不是很难，通过前面两个辅助的制作，可以通过pyautogui.screenshot() 和 pymouse 可以实现屏幕画面的截取和鼠标的移动点击；通过OpenCvd的切割可以实现相似图的切割。较为难实现的是找到不同的位置，本文也将重点分析如何找到不同！

  网上流传较为广的是一种遍历两张图像的像素，当像素不一样的时候输出此时的位置。这里我就不阐述它的逻辑了。我将按照如下的几种方案实现找不同任务：

1. 对裁剪下来的两张图像进行灰度化后做差得到结果进行二值化；
2. 使用图像匹配法完成“找不同”
3. 遍历像素实现

实施验证

  今日时间有限，先做个“丐版”的找不同。从技术实现的角度有限解决核心部分，实现“有无”的难题。我们提前将两张相似的图像截取下来：

使用作差法实现：

import cv2

img_1 = cv2.imread("1.png") # Slicing to crop the image
img_2 = cv2.imread("2.png")

img_1 = cv2.cvtColor(img_1,cv2.COLOR_BGR2GRAY)
img_2 = cv2.cvtColor(img_2,cv2.COLOR_BGR2GRAY)

img3 = img_1 - img_2

ret, img3 = cv2.threshold(img3, 50, 255,  cv2.THRESH_BINARY_INV)

cv2.imshow("a", img3)
cv2.waitKey(0)

使用遍历像素实现：

import cv2

img_1 = cv2.imread("1.png") # Slicing to crop the image
img_2 = cv2.imread("2.png")

img_11 = cv2.cvtColor(img_1, cv2.COLOR_BGR2GRAY)
img_22 = cv2.cvtColor(img_2, cv2.COLOR_BGR2GRAY)

width,height = img_11.shape
for i in range(width):
    for j in range(height):
        x = img_11[i][j]
        y = img_22[i][j]
        if abs(x - y) > 30:

            img_1[i][j] = [0, 0, 0]

cv2.imshow("result", img_1)
cv2.waitKey(0)

图像匹配法

图像匹配法是借用某位大神的代码，结果供大家参考一下：

import cv2
import numpy as np
from matplotlib import pyplot as plt
import argparse


def matchAB(fileA, fileB):
    # 读取图像数据
    imgA = cv2.imread(fileA)
    imgB = cv2.imread(fileB)

    # 转换成灰色
    grayA = cv2.cvtColor(imgA, cv2.COLOR_BGR2GRAY)
    grayB = cv2.cvtColor(imgB, cv2.COLOR_BGR2GRAY)

    # 获取图片A的大小
    height, width = grayA.shape

    # 取局部图像，寻找匹配位置
    result_window = np.zeros((height, width), dtype=imgA.dtype)
    for start_y in range(0, height - 100, 10):
        for start_x in range(0, width - 100, 10):
            window = grayA[start_y:start_y + 100, start_x:start_x + 100]
            match = cv2.matchTemplate(grayB, window, cv2.TM_CCOEFF_NORMED)
            _, _, _, max_loc = cv2.minMaxLoc(match)
            matched_window = grayB[max_loc[1]:max_loc[1] + 100, max_loc[0]:max_loc[0] + 100]
            result = cv2.absdiff(window, matched_window)
            result_window[start_y:start_y + 100, start_x:start_x + 100] = result

    # 用四边形圈出不同部分
    _, result_window_bin = cv2.threshold(result_window, 30, 255, cv2.THRESH_BINARY)
    _, contours, _ = cv2.findContours(result_window_bin, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    imgC = imgA.copy()
    for contour in contours:
        min = np.nanmin(contour, 0)
        max = np.nanmax(contour, 0)
        loc1 = (min[0][0], min[0][1])
        loc2 = (max[0][0], max[0][1])
        cv2.rectangle(imgC, loc1, loc2, 0, 2)

    plt.subplot(1, 3, 1), plt.imshow(cv2.cvtColor(imgA, cv2.COLOR_BGR2RGB)), plt.title('A'), plt.xticks([]), plt.yticks(
        [])
    plt.subplot(1, 3, 2), plt.imshow(cv2.cvtColor(imgB, cv2.COLOR_BGR2RGB)), plt.title('B'), plt.xticks([]), plt.yticks(
        [])
    plt.subplot(1, 3, 3), plt.imshow(cv2.cvtColor(imgC, cv2.COLOR_BGR2RGB)), plt.title('Answer'), plt.xticks(
        []), plt.yticks([])
    plt.show()


if __name__ == '__main__':
    parser = argparse.ArgumentParser()
    parser.add_argument(
        '--source_image',
        type=str,
        default='1.png',
        help='source image'
    )

    parser.add_argument(
        '--target_image',
        type=str,
        default='2.png',
        help='target image'
    )

    FLAGS, unparsed = parser.parse_known_args()

    matchAB(FLAGS.source_image, FLAGS.target_image)